人機協作中缺失的中間環節

“有一種新興的協作智能，是現在公司競爭和創新所需要的，”威爾遜在我們的對話中解釋道，“這真的是關于深思熟慮且嚴謹地創造那種結合效應，即人類的聰明才智、人類的創新加上AI系統，能夠超越任何一方單獨所能做到的。”

為了說明這一點，威爾遜分享了一個立陶宛研究人員的有趣故事，該研究人員巧妙地重新利用了AlphaFold(一個預測蛋白質結構的AI系統)來解決其創造者未曾設想的復雜蛋白質相互作用問題。結果呢?這是人類創造力與AI處理能力相結合的科學突破。

“在人的方面，以前的方法可以達到大約74%的準確率。但這通常需要數周的手工努力，”威爾遜指出，“在AI方面，AlphaFold基本上會得零分。但通過人機協作，我們實際上看到了一種效應，他們能夠在短短幾個小時內達到88%的準確率。”

這種協作的甜蜜點就是威爾遜所說的“缺失的中間環節”——人類能力與AI優勢相結合的空間，創造出大于各部分之和的東西。

改變商業職能和經濟

這種協作方法的影響遠遠超出了科學研究。根據埃森哲的研究，GenAI將改變各行業超過40%的工作時間，六個商業職能中超過一半的工作時間將通過自動化、增強和協作得到重塑。

威爾遜分享了一個全球飲料公司實施GenAI驅動的銷售教練的真實案例。結果令人矚目：“銷售人員現在能夠在電腦前花費明顯更少的時間，而實際上與客戶會面的時間明顯增多。公司還能夠看到，現在這些一線服務人員能夠主動與新客戶會面，這是他們以前無法做到的。”

該公司并沒有停留在試點階段——他們現在正在將這一舉措擴展到另外1500名跨區域的銷售人員。

為AI時代重新設計工作

隨著AI采用的加速，領導者應該如何重新構想角色和工作描述?威爾遜認為，大多數公司仍然沒有達到目標。

“今天的大多數公司仍然缺少系統地連接人類和機器并建立那種協作智能的工作設計，”他解釋道。威爾遜敦促公司立即采取行動，圍繞六個基本工作類別重新設計其勞動力，同時開發創新的工作方法。

威爾遜將這些新興角色分為兩大類。首先是直接支持AI系統的技術職位：培訓師負責開發和優化AI模型，解釋員負責解釋AI輸出并構建使它們在整個業務中易于理解的界面，維護員則確保AI系統能夠隨時間推移以道德和有效的方式運行。

除了這些專門的技術角色外，威爾遜還指出了AI改變現有工作的三種不同方式：增強，即AI提升人類的分析和創造能力;交互，涉及人類與AI接口之間的新型協作;以及體現，即AI通過制造技術(如制造環境中的協作機器人)來擴展物理能力。這些轉變不僅僅是取代工作，而是從根本上改變工作的執行方式。

他分享了令人信服的統計數據，顯示了這種增強的力量：“在一項關于分析任務的大規模研究中，僅AI實現了73%的性能，僅人類實現了80%。但AI增強的工人實現了90%。這是一個非常顯著的提升。”

這種轉變已經在創意領域發生。威爾遜描述了家具設計師現在如何與GenAI系統協作，這些系統可以根據美學和商業標準提出創新設計，從而改變設計過程的本質。

AI時代的新融合技能

隨著95%的員工看到與GenAI合作的潛在價值，94%的員工愿意學習新技能，關鍵問題變成了：我們需要培養哪些能力?

“在工作流程中，人類和機器的融合越來越多，”威爾遜觀察到，“在工作中越來越需要融合學習和運用AI技能的融合。”

威爾遜和他的合著者保羅·多赫蒂(Paul Daugherty)確定了這個新時代所需的八項“融合技能”。其中一項關鍵技能是“判斷整合”——評估AI輸出的新穎性、有用性和可信度的能力。

“在這個GenAI時代創造價值，真的需要將你的專業人類判斷、你在法律或產品設計或科學等領域的專業知識融入到你與大語言模型協作的方式中，”威爾遜強調說。

AI轉型的框架

對于希望有效實施AI的商業領導者，威爾遜提供了一個結構化的方法，稱為MELDS——心態(Mindset)、實驗(Experimentation)、領導力(Leadership)、數字核心(Digital Core)和技能(Skills)。

首先，領導者需要采用一種心態，即圍繞“缺失的中間環節”重新設計工作流程，分解工作并根據比較優勢將任務分配給人類或機器。

然后是實驗——但要有明確的路徑來擴展成功的試點。“很多公司在實驗階段有點卡住了，”威爾遜警告說，“對于公司來說，從那些實驗性試點中跳出來，將倡議轉化為生產系統，這一點非常重要。”

在AI時代，領導力意味著擁抱超越單純合規的負責任AI實踐。然而，威爾遜指出，雖然“98%的高管確實理解良好風險管理的重要性，但在我們研究過的公司中，只有大約2%的公司真正以全面和行動為基礎的方式實施負責任AI。”

公司還需要一個強大的數字核心，包括云基礎設施和現代化的數據系統。目前，只有大約20%的公司已經為其數據和云基礎設施做好了有效使用AI的準備。

最后，企業必須投資于技能發展。威爾遜指出，盡管員工對AI技能的熱情普遍高漲，但只有大約5%的員工認為他們的公司提供了足夠的資源和時間來進行技能發展。

終極貨幣：信任

隨著AI系統變得越來越有能力和自主，威爾遜強調，信任將是實現AI潛在利益的限制因素。

“如果AI系統只是一個黑箱，人們不知道為什么AI會做出特定決策，那么他們就不會有效地與AI系統協作，”他解釋道。這就是為什么“可解釋機器學習工程師”等角色變得越來越重要的原因。

可解釋、以人為本的AI對業務的影響已經是可衡量的。威爾遜引用研究數據表明，“當工人在工作流程中看到可解釋AI的建議時，工廠車間識別缺陷零件的人為錯誤率降低了五倍。”同樣，在醫療保健領域，醫生使用可解釋AI時的準確率提高了10個百分點，但使用黑箱系統時準確率下降了20個百分點。

在這個新的協作智能時代，未來屬于那些能夠成功地將人類創造力與AI能力相結合、通過可解釋系統建立信任并開發出有效人機合作所需的融合技能的組織。那些掌握這種平衡的人不僅將在AI革命中生存下來，還將在其中蓬勃發展。